Ingeniería del Conocimiento y del Producto
3 recomendaciones947 vistas
El documento presenta la ingeniería del conocimiento como una disciplina enfocada en la creación de sistemas para el análisis y representación de información científica y técnica, resaltando su papel en la toma de decisiones. Se discute la distinción entre datos, información y conocimiento, así como los procesos de creación y gestión del conocimiento en organizaciones contemporáneas. Además, se abordan herramientas como la minería de datos y sistemas de conocimiento, y su importancia en el desarrollo de productos basados en conocimiento y en la competitividad empresarial.
Ingeniería del Conocimiento y del Producto
- 1. Ingeniería del Conocimiento y del Producto Granada, 12 de Abril de 2012 Prof. Dr. José Pino Díaz Departamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. [email protected]
- 2. La Ingeniería y la Cartografía del Conocimiento, herramientas para la I+D+i. INGENIERÍA Y CARTOGRAFÍA DEL CONOCIMIENTO VISUALIZACIÓN DE LA INFORMACIÓN Ingeniería del conocimiento (Knowledgwe engineering): “Ingeniería que tiene por objetivo la creación de indicadores, métodos e instrumentos - (sistemas de conocimiento) - de naturaleza matemática, informática y lingüística, para el análisis y la representación cartográfica de la información científica y técnica -(cartografía del conocimiento)”. (POLANCO, 1996).
- 3. Ingeniería y Cartografía del Conocimiento y Toma de Decisiones Toma de Decisiones Cartografía del Conocimiento (Visualización del nuevo conocimiento) Ingeniería del Conocimiento (Creación de nuevo conocimiento, KDD) Informetría, Cienciometría (Estudios cuantitativos) Bases Bibliográficas Fuentes de datos
- 4. Inteligencia Competitiva y Desarrollo de Producto
- 5. Sociedad del Conocimiento Prof. Dr. José Pino Díaz Departamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. [email protected]
- 6. El Conocimiento The Knowledge La Connaissance • 2012-04-02, La UGR organiza un curso sobre “Ingeniería del conocimiento y del producto” para el desarrollo de productos comerciales innovadores • 2012-03-30, Andalucía y Corea se unen en investigación y transferencia de conocimiento • 2012-03-15, El conocimiento y la competitividad, claves para desarrollar actividades emprendedoras • 2012-03-13, La UMA organiza un foro sobre el desarrollo de empresas basadas en el conocimiento • 2012-02-03, La rectora anima a los estudiantes a innovar para progresar y transferir conocimiento
- 7. Empresas basadas en el Conocimiento “Nuestra ventaja competitiva es la clave para su éxito”
- 8. Empresas basadas en el Conocimiento
- 9. Empresas basadas en el Conocimiento El informe tecnológico … … va más allá del proyecto individual, proporciona una descripción detallada de un segmento tecnológico especializado
- 10. Empresas basadas en el Conocimiento
- 11. Empresas basadas en el Conocimiento
- 12. Empresas basadas en el Conocimiento
- 13. Trilogía DIC Datos, Información y Conocimiento. ¿Son la misma cosa? Veamos que existen diferencias: Los datos son los resultados de observaciones humanas sobre el estado del mundo y están asociados a un objeto o hecho concreto. Por ejemplo: la temperatura de una habitación, un número de teléfono, el resultado de un partido de fútbol, etc. Los datos son expresiones mínimas de información, que aisladas no tienen sentido en sí mismas, pero que adquieren valor dentro de un contexto determinado. Los datos, en definitiva, son hechos, imágenes o sonidos representados mediante números o símbolos estructurados. La información está compuesta de datos organizados, agrupados o clasificados en categorías que les dotan de significado. Por ejemplo: una lista de teléfonos de un organismo público, un catálogo de los servicios de un ayuntamiento, etc. Además, la información está asociada a un contexto que facilita su interpretación. Por tanto, información son datos elaborados con un significado para el receptor. El conocimiento es la información interpretada, personalizada, que tiene valor y que está orientada a la acción, esto es, que propicia la toma adecuada de decisiones. Por ejemplo: un procedimiento para transferir las llamadas de un departamento a otro, un documento informativo sobre cómo atender a los usuarios con algún tipo de discapacidad, etc. El conocimiento está asociado al individuo y a la acción, constituyendo un instrumento para la toma de decisiones en el marco de una organización Ejemplo: • La organización de las notas musicales (datos=objeto) • En forma de partitura (información=contexto) constituyen información que puede ser interpretada por muchos músicos. • La destreza particular de un músico (conocimiento=acción) para interpretar la partitura se refiere al concepto de conocimiento.
- 14. Sociedad de la Información y Sociedad del Conocimiento La Sociedad de la Información es un estadio de desarrollo social caracterizado por la capacidad de sus miembros (los ciudadanos, las empresas y las Administraciones Públicas) para obtener, compartir y procesar cualquier información por medios de las Tecnologías de Información y Comunicación, desde cualquier lugar y en la forma que se prefiera. A partir del año 2000, se popularizó un concepto considerado más genérico por su amplitud de acciones, adoptando la denominación “Sociedad del Conocimiento" para referirse a la situación social, económica y tecnológica basada en la utilización del conocimiento. El motor central de la sociedad actual es el conocimiento, las actividades relacionadas con la producción de conocimiento. En la actualidad las organizaciones se enfrentan a dos problemas importantes relacionados con la información: Infoxicación • Por una parte, la sobreabundancia de información, ya que las organizaciones acumulan gran cantidad de información de todo tipo. • Por otra parte, la escasez de información útil para tomar decisiones, esto es, la dificultad de encontrar la información que se necesita entre la maraña de información y documentos que existen en la organización .
- 16. Proceso de creación del conocimiento (Nonaka-Takeuchi, 1995) • La Socialización, es el proceso de adquirir conocimiento tácito a través de compartir experiencias por medio de exposiciones orales, documentos, manuales y tradiciones y que añade el conocimiento novedoso a la base colectiva que posee la organización. • La Exteriorización, es el proceso de convertir conocimiento tácito en conceptos explícitos que supone hacer tangible mediante el uso de metáforas conocimiento de por sí difícil de comunicar, integrándolo en la cultura de la organización; es la actividad esencial en la creación del conocimiento. • La Combinación, es el proceso de crear conocimiento explícito al reunir conocimiento explícito proveniente de cierto número de fuentes, mediante el intercambio de conversaciones telefónicas, reuniones, correos, etc., y se puede categorizar, confrontar y clasificar para formas bases de datos para producir conocimiento explícito. • La Interiorización, es un proceso de incorporación de conocimiento explícito en conocimiento tácito, que analiza las experiencias adquiridas en la puesta en práctica de los nuevos conocimientos y que se incorpora en las bases de conocimiento tácito de los miembros de la organización en la forma de modelos mentales compartidos o prácticas de trabajo.
- 18. Gestión de la Información y Gestión del Conocimiento. La Gestión de la Información es la gestión de documentos de todo tipo (gestión del conocimiento explícito contenido en documentos de todo tipo). La Gestión del Conocimiento engloba tanto la gestión de la información (conocimiento explícito) como la gestión del conocimiento tácito (conocimiento interno de las personas). Las principales herramientas que apoyan a un programa de gestión del conocimiento son: 1. Data warehousing (Almacén de datos) 2. Data mining (Minería de datos) 3. Sistemas de soporte a la toma de decisiones 4. Groupware (Software colaborativo) 5. Sistemas de información para la dirección, todas ellas han de ser apoyadas adecuadamente por los sistemas de gestión documental
- 19. Práctica: ESTADÍSTICAS DE BÚSQUEDAS DE GOOGLE GOOGLE TREND GOOGLE NGRAM ALERTAS DE GOOGLE GOOGLE READER
- 20. Teoría Actor-Red Actor-network theory Théorie de l’acteur-Réseau Prof. Dr. José Pino Díaz Departamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. [email protected]
- 21. Conocimiento Científico y Tecnológico Teoría Actor-Red • Filosofía de las Ciencias (Michel Serres) • Sociología del Conocimiento (David Bloor) • Sociología de la Ciencia y de la Técnica (Michel Callon, Bruno Latour) • Sociología de la Traducción • Sociología de las Asociaciones • Teoría Actor-Red (M. Callon, J.P. Courtial, B. Latour, etc.) “ … en la construcción social de un hecho científico intervienen entidades humanas y no humanas y el proceso continuo de transformación o traducción de las relaciones establecidas entre tales entidades da como resultado una red en continuo cambio …”
- 22. Teoría Actor-Red El desarrollo en los años ochenta de la Sociología de las Ciencias y Técnicas, Sociología de la Traducción o Sociología de las Asociaciones por Michel Callon y Bruno Latour (Centre de Sociologie de l’Innovation, Paris) a partir de recursos conceptuales, entre otros, de Michel Serres (Filosofía de las Ciencias) y de David Bloor (Sociología del Conocimiento), tiene su exponente en la Teoría Actor-Red (ANT en inglés), según la cual en la construcción social de un hecho científico intervienen entidades humanas y no humanas y el proceso continuo de transformación o traducción de las relaciones establecidas entre tales entidades da como resultado una red en continuo cambio; entendida ésta como una malla formada por nudos (actores) enlazados entre sí (relaciones que establecen entre ellos).
- 23. Redes Tecnocientíficas Se emplea el concepto de “red tecnocientífica” tal como fue planteado por Latour en 1983, es decir como la forma abreviada de “red de ciencia y tecnología” La Teoría Actor-Red es útil para describir las complejas relaciones que se establecen en las redes de la Ciencia y Tecnología, así como las de la Tecnociencia (Echevarría y González, 2009), entendida ésta como una modalidad de la actividad científica y tecnológica fruto de la hibridación entre Ciencia y Tecnología. Así cualquier red de la Tecnociencia (Latour, 1983) está formada por un conjunto de actores y un conjunto de relaciones establecidas entre ellos en un periodo temporal concreto. Con el tiempo los actores y las relaciones cambian y dan lugar a nuevas redes y así se suceden unos a otros a lo largo del periodo de análisis. Esta teoría también llamada Sociología de la Traducción (entendida traducción como conversión, transformación, variación o cambio), estudia los cambios que se producen en las redes de conocimiento tecnocientífico.
- 24. Análisis Estratégico El Análisis Estratégico consiste en esencia en la identificación y tipificación de los actores y las relaciones fuertes; se trata de una “reducción de la complejidad conservando lo fundamental”. La Vigilancia Estratégica Científica y Tecnológica es el conjunto de tareas que buscan “proporcionar buena información a la persona idónea en el momento adecuado” y en el lugar adecuado; buena información sobre el entorno científico y tecnológico de la organización. La Planificación Estratégica es el “principal instrumento para la gestión de una organización a corto plazo, 2 ó 3 años”; es una herramienta para la mejora continua y la innovación en la organización.
- 25. Análisis Estratégico de Redes Tecnocientíficas Evaluación de Redes Tecnocientíficas
- 27. Minería de datos Data mining Exploration de données Prof. Dr. José Pino Díaz Departamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. [email protected]
- 28. Databases Una base de datos es un conjunto de información estructurada en registros y almacenada en un soporte electrónico legible por ordenador. • Cada registro constituye una unidad autónoma de información que puede a su vez estar estructurada en diferentes campos o tipos de datos que se recogen en la base de datos • Una base de datos se crea y mantiene de forma continuada con el objetivo de resolver necesidades de información concretas de un colectivo, una organización o el conjunto de la sociedad.
- 29. Creación de nuevo conocimiento a partir de bases de datos bibliográficas (Knowledge Discovery in Databases, KDD)
- 30. Data Mining, a KDD Process Data mining: the core of Knowledge Discovery Pattern Evaluation Databases process. Data Mining Task-relevant Data Data Selection Data Preprocessing Data Warehouse Data Cleaning Data Integration Databases
- 31. Minería de datos La Minería de Datos es la extracción dirigida de la información existente en las bases de datos con el fin de descubrir patrones, relaciones o asociaciones para generar nuevo conocimiento. Algunos tipos de DM: - Web mining - Web content mining (minería de contenido web) - Web structure mining (minería de estructura web) - Web usage mining (minería de uso web) - Text mining (minería de datos textuales) - Spatial data mining (minería de datos espaciales)
- 32. Data Mining: Confluence of Multiple Disciplines Database Statistics Technology Machine Learning Data Mining Visualization Information Other Science Disciplines
- 33. Data mining and Making decisions Increasing potential to support making decisions End User Making Decisions Data Presentation Business Analyst Visualization Techniques Data Mining Data Knowledge Databases Discovery Analyst Data Exploration Statistical Analysis, Querying and Reporting Data Warehouses / Data Marts OLAP, MDA DBA Data Sources Paper, Files, Information Providers, Database Systems, OLTP
- 34. Minería de textos Text mining Fouille de textes Prof. Dr. José Pino Díaz Departamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. [email protected]
- 35. Text mining, a KDD Process In 2001, Dow Chemicals merged with Union Carbide Corporation (UCC), requiring a massive integration of over 35,000 of UCC’s reports into Dow’s document management system. Dow chose ClearForest, a leading developer of text-driven business solutions, to help integrate the document collection. Using technology they had developed, ClearForest indexed the documents and identified chemical substances, products, companies, and people. This allowed Dow to add more than 80 years’ worth of UCC’s research to their information management system and approximately 100,000 new chemical substances to their registry. When the project was complete, it was estimated that Dow spent almost $3 million less than what they would have if they had used their own existing methods for indexing documents. Dow also reduced the time spent sorting documents by 50% and reduced data errors by 10-15%. En 2001, Dow Chemicals se unió a Union Carbide Corporation (UCC). Esta unión requirió la integración de 35.000 informes de UCC en el sistema de gestión del documentos de Dow. Dow Chemicals eligió a la empresa ClearForest, líder en text-driven business solutions, para realizar la integración de la colección de documentos. Usando tecnología ad-hoc se identificaron sustancias químicas, productos, empresas, centros y personas. Esto permitió que Dow Chemicals agregara más de 80 años de investigación de UCC a su sistema de gestión de información y aproximadamente 100.000 nuevas sustancias químicas a su registro. Cuando el proyecto se completó, se estimó que Dow Chemicals ahorró casi 3 millones de dólares y que el tiempo empleado en clasificar los documentos se redujo un 50% y los errores de datos entre un 10-15%.
- 37. A hypothetical text mining Ejemplo hipotético de text mining para descubrir aspectos relacionados con un nuevo gen X. En la colección de textos biomédicos se realizan tres búsquedas sobre tres genes A, B, y C; … En la acción final sólo se seleccionarán los documentos que contengan por lo menos una de las palabras clave que aparecen en la zona superior del ranking de palabras clave y que mencionen a los tres genes conocidos.
- 39. Text mining: Concept linckage Una aplicación muy popular del text mining es relatada en Hearst (Untangling Text Data Mining, 1999), Don Swanson intenta extraer información derivada de coleccionesde texto. Teniendo en cuenta que los expertos sólo pueden leer una pequeña parte de lo que se publica en su campo, por lo general no se dan cuenta de los nuevos desarrollos que se suceden en otros campos. Así, Swanson ha demostrado cómo cadenas de implicaciones causales dentro de la literatura médica pueden conducir a hipótesis para enfermedades poco frecuentes, algunas de las cuales han recibido pruebas de soporte experimental. Investigando las causas de la migraña, dicho investigador extrajo varias piezas de evidencia a partir de títulos de artículos presentes en la literatura biomédica. Algunas de esas claves fueron: • El estrés está asociado con la migraña. • El estrés puede conducir a la pérdida de magnesio. • Los bloqueadores de canales de calcio previenen algunas migrañas. • El magnesio es un bloqueador natural del canal de calcio. • La depresión cortical diseminada (DCD) está implicada en algunas migrañas. • Los niveles altos de magnesio inhiben la DCD. • Los pacientes con migraña tienen una alta agregación plaquetaria. • El magnesio puede suprimir la agregación plaquetaria. Estas claves sugieren que la deficiencia de magnesio podría representar un papel en algunos tipos de migraña, una hipótesis que no existía en la literatura y que Swanson encontró mediante esas ligas. De acuerdo con Swanson (Swanson y otros, 1994), estudios posteriores han probado experimentalmente esta hipótesis obtenida por text mining con buenos resultados. “Data mining: torturando a los datos hasta que confiesen”. http://www.uoc.edu/molina1102/esp/art/molina1102/molina1102.html
- 44. Sistemas de conocimiento Knowledge-based systems Système d'analyse d'information Prof. Dr. José Pino Díaz Departamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. [email protected]
- 45. Sistemas de conocimiento Los sistemas de conocimiento son sistemas expertos ideados para crear nuevo conocimiento a partir del conocimiento explícito presente en los documentos de las bases de datos. Siguen el proceso KDD en sus diferentes fases. Tienen su origen en los softwares cienciométricos desarrollados para facilitar el análisis de grandes conjuntos documentales científicos o tecnológicos (artículos científicos, patentes, tesis doctorales, etc.). Los sistemas de conocimiento son de gran utilidad para los equipos de inteligencia competitiva y de vigilancia tecnológica de las organizaciones ya que proporcionan informes, diagramas, gráficos y mapas muy apreciados en la toma de decisiones estratégicas. La evaluación de redes de conocimiento se beneficia de la existencia de sistemas de conocimiento desarrollados para transformar la información en conocimiento, procesando de una manera rápida y controlada ingentes conjuntos documentales y creando nuevo conocimiento a partir de ellos. La ingeniería del conocimiento es la rama de la inteligencia artificial que tiene por objetivo la creación de indicadores, métodos e instrumentos de naturaleza matemática, informática y lingüística, para el análisis y la representación cartográfica de la información científica y técnica.
- 46. Henoch French or English Lexicons or text-data terminological resources Dataset or Corpus Clustering DBMS-R Term Extraction and And Bibliometric Mapping Indexation statistics WWW Server SDOC MIRIAD ILC NEURODOC HENOCH Mac PC WS 46
- 47. Stanalyst Bases de datos Recursos terminológicos 1 2 3 4 CORPUS BIBLIOMETRIA INDIZACION INFOMETRIA Interrogación Estadísticas Manual o Clasificación y y Datos descriptivas Automática Cartografía Proyecto Acceso e identificación Navigador – Interface usuario Esquema del Sistema de Conocimiento Stanalyst (Polanco, 2006). El módulo “Infometría” de Stanalyst es un sistema de clasificación automática basado en dos programas alternativos, Neurodoc (redes neuronales) y Sdoc (análisis de palabras asociadas). Tomado de: http://www.cincel.cl/documentos/Recursos/STANALYST2006.ppt
- 48. CoPalRed Copalred es un sistema de conocimiento (herramienta de Ingeniería del Conocimiento) creado en el año 2003 por Rafael Bailón-Moreno, basado en el análisis de palabras asociadas y que tiene su antecedente en Leximappe, software desarrollado por Whittaker, Law, Courtial y Bauin. Leximappe se ha mostrado útil en el análisis estratégico de las redes de conocimiento científico y técnico. Leximappe y Copalred han sido empleados en el estudio de grandes conjuntos documentales de diferentes disciplinas académicas: Arqueología, Ingeniería Química, Fisioterapia, Conjuntos Difusos o Espacios Naturales Protegidos.
- 49. Análisis de Palabras Asociadas Co-Word Analysis (1) • El investigador transmite conocimiento tácito en los textos; éstos se constituyen en conocimiento explícito. Este nuevo conocimiento se analiza mediante métodos matemáticos, informáticos y lingüísticos, entre ellos el método del análisis de palabras asociadas o co-word analysis. • Se utiliza para estudiar la estructura y la dinámica del conocimiento en un dominio documental concreto. • Puede ser empleado a modo retrospectivo, “a tiempo real” o de forma prospectiva. • Se basa en dos teorías sociológicas: la Teoría Actor-Red y la Teoría de la Traducción. • Es un Índice Relacional de 2ª generación en Evaluación de la Ciencia • Método de Knowledge Discovery in Databases (KDD) • Se utiliza para estudiar las Redes Tecnocientíficas.
- 50. Análisis de Palabras Asociadas (2) • Matriz de coocurrencias o matriz de adyacencia. Matriz simétrica que muestra en los puntos de corte entre filas y columnas, cij, las coocurrencias de los valores que encabezan cada fila i y cada columna j. • Índice de equivalencia o de asociación entre las palabras i y j. donde: eij.- Indice de equivalencia o de asociación entre las palabras i y j Cij.- Co-ocurrencia de las palabras i y j Ci.- Ocurrencia de la palabra i Cj.- Ocurrencia de la palabra j. Los valores de eij oscilan entre 0 y 1. Cuando dos palabras no aparecen nunca juntas, su coocurrencia es nula, el índice de equivalencia vale cero. Este índice es independiente del tamaño de la muestra.
- 51. Sistema de conocimiento Redes 2005 (Text mining: Clustering + Information visualization)
- 52. Sistema de conocimiento Redes 2005 (Text mining: Clustering + Information visualization) Vídeo-captura de pantalla que muestra el funcionamiento del sistema de conocimiento Redes 2005
- 53. Vigilancia tecno-científica Inteligencia competitiva Prospectiva Prof. Dr. José Pino Díaz Departamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. [email protected]
- 54. ¿Qué es la Vigilancia Tecnológica?
- 55. Sistemas de Inteligencia Tecnológica
- 56. Prospectiva
- 57. Prospectiva
- 59. Vigilancia Tecnológica para la PYME
- 60. Vigilancia Tecnológica en Espacenet (RSS)
- 61. Boletines de Vigilancia Tecnológica
- 62. Vigilancia Tecnológica en la OEPM (RSS)
- 63. Búsquedas en el BOPI
- 64. Búsquedas en el BOPI
- 65. Genoma España
- 66. E-Learning sobre Patentes y Vigilancia Estratégica Prof. Dr. José Pino Díaz Departamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. [email protected]
- 68. Guía para solicitar patentes
- 69. e-Learning sobre Vigilancia Estratégica Científica y Tecnológica
- 70. ¿¿¿ Preguntas ??? ¿¿¿ Comentarios ???
- 71. Muchas Gracias Prof. Dr. José Pino Díaz Departamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. [email protected]